PL-VINS：基于点线特征的实时单目视觉-惯性 SLAM

利用线特征改善基于点的视觉-惯性 SLAM（VINS）的定位精度正受到关注，因为线特征提供了对场景结构的额外约束。然而，在 VINS 中引入线特征时的实时性能尚未得到解决。本文提出 PL-VINS，一种基于优化的实时单目 VINS 方法，具有点与线特征，其基于最先进的基于点的 VINS-Mono \cite{vins} 开发。我们注意到当前工作使用 LSD \cite{lsd} 算法提取线特征；然而，LSD 是为场景形状表示而非位姿估计问题设计的，由于其高计算成本而成为实时性能的瓶颈。本文通过研究一个隐藏参数调节与长度拒绝策略，提出了一种改进的 LSD 算法。改进后的 LSD 运行速度至少可达 LSD 的三倍。此外，通过使用 Plücker 坐标表示空间直线，线估计中的残差误差以点到直线的距离建模，随后通过迭代更新 Plücker 坐标的最小四参数正交表示来最小化该残差。在公开基准数据集上的实验表明，在相同的位姿更新频率下，我们方法的定位误差比 VINS-Mono 低 12–16%。